Video Question Answering

最佳模型： VideoChat2

最佳模型： GF (sup) - Faster RCNN

最佳模型： Text + Text (no Multimodal Pretext Training)

最佳模型： TimeSformer

最佳模型： VideoChat2_mistral

最佳模型： FrozenBiLM

最佳模型： Clover

最佳模型： VIOLETv2

最佳模型： ATP (1<-16)

最佳模型： Singularity-temporal

最佳模型： FrozenBiLM

最佳模型： Tarsier (34B)

最佳模型： LinVT-Qwen2-VL (7B)

最佳模型： ViLA (3B, 4 frames)

最佳模型： Oyrx (34B)

最佳模型： GIT

最佳模型： VLAP (4 frames)

最佳模型： Tarsier-34B

最佳模型： LLaMA-VQA

最佳模型： Just Ask (fine-tune)